1、理论基础
区域生长算法的基本思想是将有相似性质的像素点合并到一起。对每一个区域要先指定一个种子点作为生长的起点,然后将种子点周围领域的像素点和种子点进行对比,将具有相似性质的点合并起来继续向外生长,直到没有满足条件的像素被包括进来为止。这样一个区域的生长就完成了。这个过程中有几个关键的问题:
a> 给定种子点(种子点如何选取?)
种子点的选取很多时候都采用人工交互的方法实现,也有用其他方式的,比如寻找物体并提取物体内部点作为种子点。
b> 确定在生长过程中能将相邻像素包括进来的准则
灰度图像的差值;彩色图像的颜色等等。都是关于像素与像素间的关系描述。
c> 生长的停止条件
2、灰度差值的区域生长算法实现
#include <opencv2/opencv.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> using namespace cv; int main() { Mat src=imread("C://5.png"); Mat RegionGrow(Mat src, Point2i pt, int th); Point pt=(200,200); int th=10; src=RegionGrow(src, pt, th); namedWindow("输出"); imshow("输出",src); waitKey(0); } /* Function: 区域生长算法 Input:src 待处理原图像 pt 初始生长点 th 生长的阈值条件 Output: 肺实质的所在的区域 实质区是白色,其他区域是黑色 Description: 生长结果区域标记为白色(255),背景色为黑色(0) Return: Mat Others: NULL */ Mat RegionGrow(Mat src, Point2i pt, int th) { Point2i ptGrowing; //待生长点位置 int nGrowLable = 0; //标记是否生长过 int nSrcValue = 0; //生长起点灰度值 int nCurValue = 0; //当前生长点灰度值 Mat matDst = Mat::zeros(src.size(), CV_8UC1);//创建一个空白区域,填充为黑色 //生长方向顺序数据 int DIR[8][2] = {{-1,-1}, {0,-1}, {1,-1}, {1,0}, {1,1}, {0,1}, {-1,1}, {-1,0}}; Vector<Point2i> vcGrowPt; //生长点栈 vcGrowPt.push_back(pt); //将生长点压入栈中 matDst.at<uchar>(pt.y, pt.x) = 255; //标记生长点 nSrcValue = src.at<uchar>(pt.y, pt.x);//记录生长点的灰度值 while (!vcGrowPt.empty()) //生长栈不为空则生长 { pt = vcGrowPt.back(); //取出一个生长点 vcGrowPt.pop_back(); //分别对八个方向上的点进行生长 for (int i = 0; i<9; ++i) { ptGrowing.x = pt.x + DIR[i][0]; ptGrowing.y = pt.y + DIR[i][1]; //检查是否是边缘点 if (ptGrowing.x < 0 || ptGrowing.y < 0 || ptGrowing.x > (src.cols-1) || (ptGrowing.y > src.rows -1)) continue; nGrowLable = matDst.at<uchar>(ptGrowing.y, ptGrowing.x); //当前待生长点的灰度值 if (nGrowLable == 0) //如果标记点还没有被生长 { nCurValue = src.at<uchar>(ptGrowing.y, ptGrowing.x); if (abs(nSrcValue - nCurValue) < th) //在阈值范围内则生长 { matDst.at<uchar>(ptGrowing.y, ptGrowing.x) = 255; //标记为白色 vcGrowPt.push_back(ptGrowing); //将下一个生长点压入栈中 } } } } return matDst.clone(); }
3、算法效果
贴图看看使用该算法的图像处理效果:
首先对原图像进行二值化:
得到种子点的方法这里就不用介绍了,这个不是该算法的重点。得到两个种子点(左右肺),分别使用区域生长算法得到左右肺区,然后与原图进行与运算,得到结果:
代码是我自己调的,然后不太知道怎么样选取种子点,我想用这个单点的区域生长法去画一个精确定位的瞳孔内圆,然后自己把虹膜原图输入,由于不知道种子点咋选择,就自己瞎试了一下,感觉不理想!效果图如下:
如果这个单点的区域生长算法 ,能够确定这个虹膜,那个小伙伴做出来了 通知我一下 谢谢了!
比如换别的图片,和阈值,以及种子坐标,效果如下图所示:
int main() {
Mat src=imread("C://1.jpg",0);
namedWindow("输入",CV_WINDOW_AUTOSIZE);
imshow("输入",src);
Mat RegionGrow(Mat src, Point2i pt, int th);
Point pt=(350,240);
int th=25;
src=RegionGrow(src, pt, th);
namedWindow("输出",CV_WINDOW_AUTOSIZE);
imshow("输出",src);
waitKey();
return 0;
}
然后用了一下别人的虹膜图像,改下坐标,326 331 阈值25
原图像为10.jpg:
把原图二值化得到图像命名为11.png:
代码改动部分:
int main() {
Mat src=imread(“C://11.png”,0);
namedWindow(“输入”,CV_WINDOW_AUTOSIZE);
imshow(“输入”,src);
Mat RegionGrow(Mat src, Point2i pt, int th);
Point pt=(326,331);
int th=25;
src=RegionGrow(src, pt, th);
namedWindow(“输出”,CV_WINDOW_AUTOSIZE);
imshow(“输出”,src);
waitKey();
return 0;
}
然后测试结果为:
这样的话就可以了,找对了 种子坐标,记得要先二值化,然后再测试!
最后对图像进行hough检测,就能得到一个比较精确的内圆了!
霍夫圆检测如下:
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;
int main( )
{
//【1】载入原始图、Mat变量定义
Mat srcImage = imread("C://12.png"); //工程目录下应该有一张名为1.jpg的素材图
Mat midImage,dstImage;//临时变量和目标图的定义
//【2】显示原始图
imshow("【原始图】", srcImage);
//【3】转为灰度图并进行图像平滑
cvtColor(srcImage,midImage, COLOR_BGR2GRAY);//转化边缘检测后的图为灰度图
GaussianBlur( midImage, midImage, Size(9, 9), 2, 2 );
//【4】进行霍夫圆变换
vector<Vec3f> circles;
HoughCircles( midImage, circles, CV_HOUGH_GRADIENT,1.5, 10, 20, 80, 0, 0 );
//【5】依次在图中绘制出圆
for( size_t i = 0; i < circles.size(); i++ )
{
//参数定义
Point center(cvRound(circles[i][0]), cvRound(circles[i][1]));
int radius = cvRound(circles[i][2]);
//绘制圆心
circle( srcImage, center, 3, Scalar(255,0,0), -1, 8, 0 ); //圆心 半径为3 实心的圆 -1代表是不是被填充
//绘制圆轮廓
circle( srcImage, center, radius, Scalar(255,255,255), 1, 8, 0 ); //圆轮廓 半径为radius的值 3代表正值 线条粗细的程度
}
//【6】显示效果图
imshow("【效果图】", srcImage);
waitKey(0);
return 0;
}
注意 HoughCircles( midImage, circles, CV_HOUGH_GRADIENT,1.5, 10, 20, 80, 0, 0 ); 参数在这里面改! 20 80 这两个我调出来的!
测试结果:
发现这个圆也没有全圈着啊 可能是这个瞳孔内圆本来就不圆吧!
作为对比把原图二值化后的图像11.png 然后用霍夫圆检测一下,只需要改变参数:
//【4】进行霍夫圆变换
vector<Vec3f> circles;
HoughCircles( midImage, circles, CV_HOUGH_GRADIENT,1.5, 10,100,70, 0, 0 );
然后得到图像:
发现就是圈不圆!。。。哈哈 然后这两个方法圈的圆也不一样 形状上下不同!